使用者行為分析概念

2022-03-14 17:42:52 字數 1747 閱讀 1503

使用者行為分析,是指在獲得**訪問量基本資料的情況下,對有關資料進行統計、分析,從中發現使用者訪問**的規律,並將這些規律與網路營銷策略等相結合,從而發現目前網路營銷活動中可能存在的問題,並為進一步修正或重新制定網路營銷策略提供依據。

通過對使用者行為監測獲得的資料進行分析,可以讓企業更加詳細、清楚地了解使用者的行為習慣,從而找出**、推廣渠道等企業營銷環境存在的問題,有助於企業發掘高轉化率頁面,讓企業的營銷更加精準、有效,提高業務轉化率,從而提公升企業的廣告收益。

使用者行為分析應該包含以下重點分析資料:

使用者的**地區、來路網域名稱和頁面;

使用者在**的停留時間、跳出率、回訪者、新訪問者、回訪次數、回訪相隔天數;

註冊使用者和非註冊使用者,分析兩者之間的瀏覽習慣;

使用者訪問**流程,用來分析頁面結構設計是否合理;

使用者在頁面上的網頁熱點圖分布資料和網頁覆蓋圖資料;

使用者在不同時段的訪問量情況等:

使用者是否對於**的字型顏色的喜好程度

使用者之所以會產生搜尋行為,往往是在解決任務時遇到自己不熟悉的概念或者問題,由此產生了對特定資訊的需求,之後使用者會在頭腦中逐步形成秒速需求的查詢詞,將查詢提交給搜尋引擎,然後對搜尋結果進行瀏覽,如果發現搜尋結果不能完全解決使用者的資訊需求,則會根據搜尋結果的啟發,改寫查詢,以便更精確地描述自己的資訊需求,之後重新構造新的查詢需求,提交搜尋引擎,如此形成使用者和搜素引擎互動的閉合迴路,直到搜尋結果已經解決了自己的需求或嘗試幾次無果而終。

從上述過程可以看出,從使用者產生資訊需求到最終形成使用者查詢,中間有很大的不確定性,使用者未必能夠一開始就找到合適的查詢詞,即使是找到了,也可能存在查詢詞不能完全描述資訊需求的情形,即在形成查詢的過程中存在資訊丟失的問題。所以後續迴圈中的查詢改寫就是使用者逐步澄清搜尋需求的乙個過程。

使用者發出的每個搜尋請求背後都隱含著潛在的搜尋意圖,如果搜尋引擎能夠根據查詢詞彙自動找出背後的使用者搜尋意圖,然後針對不同的意圖,提供不同的檢索方法,將更符合使用者意圖的搜尋結果排在前列,無疑會增加搜尋引擎使用者的搜尋體驗。目前搜尋引擎已經部分實現了這種搜尋模式,比如使用者搜尋「北京 天氣」的時候會主動將當天的氣溫等情況列在搜尋結果最前面。

broader將搜尋意圖分為3個類別:

應該將使用者意圖分為哪些型別,目前並沒有明確標準可言,不過很多任務作都受到了broader等人的意圖分類工作的影響,他們通過人工分析查詢,將搜尋意圖分為3個大的類別:

1, 導航型搜尋

這種搜尋請求的目的是要查詢具體的某個**,比如某公司的主頁等,其特點是想要去某個網頁。

2, 資訊型搜尋

這種搜尋請求的目的是為了獲取某種資訊,比如「如何做宮保雞丁」、「美國現任**是誰」等,其特點是使用者想要學到一些新知識。

3, 事務性搜尋

雅虎研究人員在做的細化

broader的搜尋意圖三分法非常有影響力,但過於粗糙。而雅虎的研究人員在此基礎上做了細化,將使用者搜尋意圖劃分如下類別:

2, 資訊類:又可以細分為如下幾種子型別。

直接性:使用者想知道關於乙個話題某個方面明確的資訊,比如「為何星星會發光」、「哪些食物隔夜後不能吃」。

建議型:使用者希望能夠搜尋到一些建議、意見或者某方面的指導,比如「如何才能戒菸」。

定位型:使用者希望了解在現實生活中**可以找到某些產品或服務,比如「買電腦」。

列表型:使用者希望找到一批能夠滿足需求的資訊,比如「中關村附近的飯店」。

3, 資源類:這種型別的搜尋目的是希望能夠從網上獲取某種資源,又可以細分為以下幾種子型別。

獲取型:使用者希望獲取一種資源,這種資源的使用場合不限於電腦,比如「折扣券」,使用者希望搜到某個產品的折扣券,列印後在現實生活中使用。

使用者行為分析

使用者行為軌跡 熟悉 瀏覽 搜尋 平均停留時長 跳出率 頁面偏好 搜尋訪問次數佔比 試用 使用者註冊 註冊使用者數 註冊轉化率 使用 使用者登入 使用者訂購 登入使用者數 人均登入 訪問登入比 訂購量 訂購頻次 內容 轉化率 忠誠 使用者粘度 使用者流失 回訪者比率 訪問深度 使用者流失數 流失率 ...

使用者行為分析

這一篇介紹的來介紹一下我在工作中接觸到的使用者行為分析系統。在這個系統中主要負責功能開發,計算邏輯開發,日誌檢測告警等,資料處理,資料準清洗備也有涉及。使用者行為分析在現在這個時期已經是乙個比較常見,使用很廣的乙個詞,在網際網路公司,有大資料團隊的基本上都會提供這樣一套分析系統,以及近年來也出現了很...

使用者行為分析(摘)

訪問量分時段分析 通過分析不同時段的訪問量 使用者情況 找出幾個業務訪問高峰時段,再對它們進行重點分析。時段可以為分不同的顆粒 小時 一周各天,一月中各個階段,一年中的各個階段。通過它們可以找出線上營 銷的時間點,也可以借助其它的分析手段,分析這些時段的共性,找出哪些使用者群體在些時段為重要消費群。...